Demis Hassabis: Dos tabuleiros de xadrez às dobras das proteínas

Aos treze anos, num torneio de xadrez no Liechtenstein, Demis Hassabis olhou em redor da sala e teve um pensamento que definiria o resto da sua vida: seria esta realmente a melhor utilização de todos estes cérebros? Ele era então um mestre de xadrez com um ranking de 2300, o segundo jogador sub-14 mais bem classificado do mundo. Trinta e cinco anos depois, em outubro de 2024, estava em Estocolmo a receber o Prémio Nobel da Química – por um programa que resolveu um problema com o qual os biólogos lutavam há meio século.

O prodígio

Nasceu Dimitrios Hassapis a 27 de julho de 1976 em Londres, filho de Costas Hassapis, um cipriota grego, e Angela, uma chinesa de Singapura. Aprendeu xadrez aos quatro anos ao observar o pai a jogar contra o tio e era capitão de equipas juniores de Inglaterra antes de ser adolescente. Aos oito anos, gastou os seus ganhos no xadrez num ZX Spectrum 48K, ensinou-se a programar e escreveu um programa de Reversi num Commodore Amiga. Este é o padrão de toda a sua carreira: um jogo, depois uma máquina à qual se ensina a jogá-lo, e depois um interesse no que a máquina revela sobre o pensamento.

A sua escolaridade foi comprimida e pouco convencional – Queen Elizabeth's School, Barnet, um ano de ensino doméstico pelos pais, depois Christ's College, Finchley, com os A-levels concluídos aos dezasseis anos, dois anos mais cedo. Passou o intervalo antes de Cambridge na Bullfrog Productions, onde, aos dezassete anos, co-desenhou e liderou a programação de Theme Park ao lado de Peter Molyneux. Vendeu vários milhões de cópias e ajudou a estabelecer o género de simulação-gestão.

Jogos como laboratório

Hassabis estudou ciência da computação no Queens' College, Cambridge, licenciando-se em 1997 com dupla distinção, e foi capitão da equipa de xadrez da universidade nos encontros universitários de 1995, 1996 e 1997. Regressou diretamente aos jogos: programador principal de IA em Black & White na Lionhead Studios, depois, em 1998, fundou a sua própria empresa, Elixir Studios, onde foi designer executivo de Republic: The Revolution e Evil Genius, ambos nomeados para BAFTAs de música interativa. A Elixir fechou em abril de 2005.

A carreira paralela foi em jogos de tabuleiro em geral. Ganhou o campeonato mundial Pentamind da Mind Sports Olympiad cinco vezes – 1998, 1999, 2000, 2001 e 2003 – e o Decamentathlon duas vezes, em 2003 e 2004. Detém um 7.º dan amador em Go pela Korea Baduk Association. Os jogos não são um passatempo que ele tenha por acaso; são o substrato em que ele pensa.

O que o hipocampo faz quando imagina

Em vez de regressar à indústria, Hassabis foi para a University College London para um doutoramento em neurociência cognitiva, supervisionado por Eleanor Maguire e concluído em 2009. O seu raciocínio era estratégico: se ele quisesse construir inteligência artificial, deveria primeiro aprender como funciona o único exemplo funcional existente.

O trabalho de doutoramento produziu um resultado genuinamente surpreendente. Ao estudar pacientes com danos no hipocampo, Hassabis mostrou que eles estavam prejudicados não só em lembrar o passado – o que era conhecido – mas também em imaginar o futuro, construindo cenas coerentes e novas que nunca tinham vivido. A partir disto, desenvolveu a teoria da construção de cenas, argumentando que a memória e a imaginação recorrem ao mesmo mecanismo, um motor de simulação que o cérebro executa para planear. O artigo apareceu nos Proceedings of the National Academy of Sciences e a revista Science nomeou a descoberta como um dos dez principais avanços científicos do ano. Seguiu-se uma bolsa Henry Wellcome na Unidade de Neurociência Computacional Gatsby da UCL com Peter Dayan, e cargos de professor visitante no MIT e em Harvard.

Resolver a inteligência, depois usá-la

Em 2010, Hassabis fundou a DeepMind em Londres com Shane Legg e Mustafa Suleyman, recrutando o investigador de Go David Silver. A missão declarada era desarmantemente vasta: resolver a inteligência e depois usá-la para resolver tudo o resto. Em dezembro de 2013, a empresa demonstrou uma rede Q profunda (Deep Q-Network) que aprendeu a jogar jogos da Atari a partir de píxeis brutos, inventando efetivamente a aprendizagem por reforço profundo como um campo prático. A Google comprou a DeepMind em 2014 por 400 milhões de libras, na altura a sua maior aquisição europeia.

Seguiu-se o AlphaGo. O Go tinha resistido aos computadores porque o seu fator de ramificação é astronomicamente grande e um bom jogo depende do julgamento posicional em vez do cálculo. O AlphaGo venceu o campeão europeu Fan Hui por 5-0 em outubro de 2015, o ex-campeão mundial Lee Sedol por 4-1 em março de 2016 perante uma audiência global, e Ke Jie por 3-0 em 2017. A DeepMind também reduziu a energia usada para arrefecer os centros de dados da Google em cerca de 40 por cento, um lembrete de que as mesmas técnicas têm utilidade prática.

O Nobel veio com o AlphaFold. Prever a forma tridimensional de uma proteína a partir da sua sequência de aminoácidos era um problema aberto há cinquenta anos, e a competição bienal CASP era o seu marcador. O AlphaFold venceu a CASP13 em 2018; o AlphaFold 2, em novembro de 2020, alcançou uma pontuação de precisão média de 87,0 com um erro médio inferior a um angstrom – a largura de um átomo –, o que os avaliadores julgaram como tendo essencialmente resolvido o problema. A DeepMind previu depois estruturas para praticamente todas as 200 milhões de proteínas conhecidas e libertou-as gratuitamente. O Prémio Nobel da Química de 2024 foi atribuído a Hassabis e John M. Jumper pelo trabalho. Foi nomeado cavaleiro no mesmo ano por serviços à inteligência artificial, tendo sido nomeado CBE em 2017 e eleito membro da Royal Society em 2018. Em 2021 fundou a Isomorphic Labs para aplicar os mesmos métodos à descoberta de fármacos.

Por que Demis é chamado de génio

A afirmação sobre Hassabis baseia-se numa qualidade mais rara do que o poder de processamento bruto, embora ele também o tenha – mestre de xadrez aos treze anos, dupla distinção em Cambridge, campeão de Pentamind cinco vezes. O que o distingue é a arbitragem interdisciplinar deliberada. "As grandes descobertas", disse ele, "são interdisciplinares, onde se fazem ligações entre dois assuntos díspares, e isso vai acontecer repetidamente". A sua própria carreira é a demonstração: fez um desvio de uma década pela neurociência especificamente como preparação para construir IA, depois aplicou a aprendizagem por reforço – amadurecida nos jogos – a um problema na biologia estrutural. Muito poucas pessoas constroem uma carreira dessa forma; a maioria deriva para uma especialização e fica por lá.

Os apoios institucionais são invulgarmente pesados: um Prémio Nobel, um título de cavaleiro, Membro da Royal Society, o Prémio Lasker, o Prémio Internacional Canadá Gairdner, o Prémio Breakthrough, o Prémio Princesa das Astúrias.

O contra-argumento honesto é importante. O AlphaFold foi construído por uma grande equipa e o Nobel foi partilhado com Jumper, que liderou diretamente o esforço do AlphaFold 2; o papel de Hassabis foi de direção estratégica e organização em vez de invenção prática. Os algoritmos centrais do AlphaGo devem muito a Silver e a décadas de investigação prévia em aprendizagem por reforço. A Elixir Studios, a empresa que geriu sozinho, falhou comercialmente. Uma descrição justa chama-lhe um julgador excecional de quais problemas estão maduros e que equipas os podem resolver – um empresário científico de primeira linha – em vez de um teórico solitário.

Legado

A base de dados do AlphaFold tornou-se infraestrutura padrão para a biologia, usada por investigadores que nunca pensarão em redes neuronais. Em agosto de 2026, Hassabis afastou-se da gestão diária da Google DeepMind, tornando-se presidente e primeiro cientista-chefe da Alphabet, mantendo-se como diretor executivo da Isomorphic Labs. Foi nomeado entre a Persona do Ano coletiva da TIME em 2025 como um dos arquitetos da IA. O rapaz que se questionava se o xadrez valia o seu tempo resolveu a questão de forma enfática.